基于C-Vine Copula函数的台风灾害链“风-雨-潮”联合概率分布研究

现有台风灾害链研究大多采用高维对称Copula模型建立多个致灾因子的联合分布,对致灾因子之间非线性、非对称的复杂关联结构探究不足。文章以浙江岛屿城市舟山为例,通过C-VineCopula函数刻画当地台风灾害链“风-雨-潮”之间的复杂依赖关系,利用1979—2018年逐日的最大持续风速、累积降雨量以及最大风暴增水数据估算三者的联合概率分布以及重现期。研究表明:1)风速与降雨量在常规数值区间(非极端情况)具有较强的相关性,最佳联合分布为Frank Copula;风速与风暴增水具有上尾依赖的特征,最佳联合分布为Gumbel Copula;2)降雨量分布在风速条件下显示2处峰值,风暴增水分布在风速条件下近似于均匀,两者之间的最佳联合分布为Gumbel Copula;3)以单变量100 a重现期为例,风速-降雨量与风速-风暴增水组合事件的二维联合重现期分别缩短至29和30 a,而风速-降雨量-风暴增水组合事件的三维联合重现期缩短至17 a。综上,C-VineCopula函数能准确有效地刻画台风灾害链“风-雨-潮”之间的复杂依赖关系,深化对于台风灾害链内在作用机制的理解,为台风灾害风险管理和工程设计提供科学支持。

基于Copula函数和风速正交分量的风矢量联合概率密度研究

准确地表示风矢量联合概率密度对于风能的评估和风机结构设计具有重要意义,本文将围绕提升风矢量联合概率密度表示结果准确性展开研究。首先,将风矢量表示为风速正交分量,采用混合Normal分布分别对边缘概率密度进行表示,并提出了估计混合Normal分布参数的方法。然后,基于Copula函数考虑风速正交分量间的相关性,从而得到二者的联合概率密度,其中Copula参数通过最小二乘法估计,紧接着通过雅可比变换得到风矢量联合概率密度。最后,采用印度风能研究所的测点S3和S7的每小时平均风速和风向数据,与以往基于Copula函数和风速、风向变量得到的风矢量联合概率密度结果进行对比。结果表明,与以往方法相比,所提方法得到的风矢量联合概率密度结果准确性有很大的提升,本文可为风能的开采和利用提供理论依据。

联合概率分布教学案例的一个推广

古典概型是一类最基本的概率模型,案例所涉及的联合概率分布可采用古典概型并辅以直观的图表方式求解。对原有案例进行推广,运用数学归纳法证明把两份信件随机投放到n个邮筒中,第1、2号邮筒中信件数目联合概率分布的一般算式,在知识结构、求解范型与表达方式等方面都得到拓展和深化。在课堂教学中,教师经常性地引导学生有意识地进行深度学习,有助于提高知识体系化程度,提炼有效学习方法,提升学习能力。

基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

基于多重联合概率与改进加权HMM的风电功率预测方法

为解决传统风电功率预测中气象因素与功率数据结合应用时相互约束性不足且风电功率序列的历史时序信息随时间逐步衰减的问题,提出一种基于多重联合概率与改进加权隐马尔可夫模型(HMM)的风电功率预测方法。首先,提出多重联合概率方法将数值天气预报(NWP)中的气象因素进行逐步联合,并改进HMM中的释放概率,使NWP气象数据与功率时间序列融合以互相约束;然后,采用条件熵改进粗糙集以计算多步预测的合理属性权重,加权运算多步预测值,以获得风电功率预测值;最后,经过风电场实际算例验证,通过将NWP数据与功率数据相互融合、互相约束,可有效地提高风电功率预测精度。

台风精细化风雨联合概率分布模型及输电线路失效概率评估

我国东南沿海地区经常发生台风致输电线路倒塌事故,大部分研究将倒塌原因归结于强风作用,而台风登陆常伴随持续的降雨,应同时考虑风和降雨的影响。该研究考虑台风结构不同区域的气象学特点,基于“山竹”、“海高斯”、“查帕卡”3组台风实测数据,根据数据采集时刻气象站所处台风区域(台风眼、螺旋雨带、外围大风区)将所有数据划分成3组。通过相关性分析揭示了风速和降雨强度的耦联关系,进而建立了不同台风区域的精细化风速-降雨强度联合概率分布模型。最后通过某输电线路开展了算例分析,计算了其在不同台风区域内的失效概率。结果表明,提出的精细化风雨联合概率模型能准确地描述风雨联合作用,对工程结构设计和性能评估具有重要参考价值。

基于Vine Copula函数的风浪要素联合概率分布模型

随着全球气候变暖的加剧,极端气候现象发生的频率和强度均可能加大,这对海岸和近海结构的安全不利。基于中国东海的连云港海洋观测站实测风浪数据和Vine Copula理论,建立风浪要素中风速、波高、波浪周期、风向和波向五维随机变量之间的联合概率分布模型。采用极大似然法确定各风浪要素边缘分布模型参数,通过AIC信息准则和均方根误差RMSE进行拟合优度评价,由此建立风浪要素的边缘分布。采用带有基于残差的高斯似然函数的贝叶斯框架估计二维Copula函数的参数,结合AIC信息准则进行拟合优度评价并确定最优Copula函数。绘制最优联合分布概率密度图,与二维频率直方图进行对比以评价模型效果。采用Vine Copula函数建立多维联合概率模型并结合AIC值评价其拟合优度。研究结果表明:建立的Vine Copula模型可以较好地刻画风速、波高、波浪周期、风向和波向五维随机变量之间的联合概率分布。

基于联合概率数据融合的多目标车辆安全跟随

为了实现密集杂波环境下多目标车辆安全跟随,提出多源传感器数据融合的多目标车辆跟踪算法与纵向避撞预警策略.针对多源传感器观测序列因采样周期、采样起始时刻、通信时延差异等引起的时间异步,以及空间上存在不同维度、不同坐标系的问题,给出时间配准与空间融合的软同步方法.采用基于改进的联合概率数据关联(JPDA)的单一传感器多目标状态估计算法对目标轨迹进行滤波估计,能够在保证有效关联的同时,在一定程度上降低计算复杂度.基于多源传感器联合概率数据融合(MSJPDA)序贯滤波算法对目标的运动状态进行序贯更新,将最后一级的输出作为融合中心的最终状态估计,再根据威胁估计模型对追尾危险的发展态势进行评估与分级.实车试验与仿真结果验证了该算法的可行性与有效性.

多传感器数据融合系统中联合概率数据互联算法的研究

概述了多传感器数据融合系统中的联合概率数据互联算法,给出了MSJPDA的两种处理结构,分析了其算法的复杂度。并在此基础上,结合B.Zhou提出的直接概率计算和近似概率计算的方法,提出了一种基于近似聚的近似概率数据互联算法(MSJPDA),通过仿真研究以及和最近邻法所做的比较表明,该方法确实能提高在密集情况下的数据融合精度,算法耗时与最近邻法相差不大,精确度接近完全概率互联算法。

基于联合概率矩阵分解的上下文广告推荐算法

上下文广告与用户兴趣及网页内容相匹配,可增强用户体验并提高广告点击率.而广告收益与广告点击率直接相关,准确预测广告点击率是提高上下文广告收益的关键.目前,上下文广告推荐面临如下问题:(1)网页数量及用户数量规模很大;(2)历史广告点击数据十分稀疏,导致点击率预测准确率低.针对上述问题,提出一种基于联合概率矩阵分解的因子模型AdRec,它结合用户、广告和网页三者信息进行广告推荐,以解决数据稀疏时点击率预测准确率低的问题.算法复杂度随着观测数据数量的增加呈线性增长,因此可应用于大规模数据.

平面轨迹机构时变可靠性分析的联合概率方法

机构运动时变可靠度用以度量机构在指定运动区间上的满足运动要求的概率,该类可靠度反映了机构运动的总体效应,其实质为机构系统可靠度。现有针对函数生成机构提出的运动时变可靠性分析方法不适用于轨迹机构的可靠性分析。为此,提出一种基于联合概率的轨迹机构运动时变可靠性分析方法。对于轨迹型机构,在任一坐标分量上的运动误差超过允许误差就意味着机构运动失效,因此可认为平面轨迹机构包括两种失效模式。基于此,将平面轨迹机构的系统可靠性处理为由各失效模式组成的串联系统可靠性,同时每个坐标分量也处理为N个轨迹离散点构成的串联系统,进而采用多维正态分布函数实现轨迹机构的运动可靠度求解,最后给出两个平面轨迹机构验证方法的有效性。

基于证据理论的联合概率数据关联算法

数据关联是目标跟踪技术中的核心部分,多目标情况下的数据关联技术更是研究的重点,由于多目标量测之间的互相干扰、外部环境干扰以及传感器性能等客观因素的约束,使得量测信息部分存在着相应的量测误差,密集环境中的多目标跟踪比较困难。针对这个问题,提出的新算法利用联合概率数据关联方法进行密集杂波环境下的数据关联,结合证据理论的思想对多传感器量测信息进行优化组合,有效地减小了量测误差对跟踪目标的影响。通过仿真结果可以看出,改进算法大大提高了跟踪精度,并具有良好的抗干扰能力,适用于解决工程实际问题。

风向风速的联合概率结构建模

风向和风速的联合分布模型是结构工程和风能研究领域的重要参数,但两者的相关性等致使模型建立困难。基于乘法定理导出离散-连续混合联合分布模型,明确各项的物理和数学意义,并指出将风向风速离散-连续混合联合分布模型与2维连续联合分布模型建立联系的可能性。以重庆市日极值风数据为对象,导出风速条件密度变换解,计算出各风向上的数值解,并与经验累积分布函数比较验证数值解的准确性;然后引入混合概率密度函数对数值解进行拟合,建立风速条件概率密度的两分量混合模型,较单一概率分布模型有明显改善;将风速条件概率密度与风向频度函数相联合即可获得风向风速的离散-连续混合联合分布模型。为建立风向风速的2维连续联合分布模型,首先由风向频度函数和风向角概率直方图之间的联系确定风向角的概率直方图,再经拟合给出风向角的混合分布模型;类似地,由曲线拟合亦可获得风速混合模型中各参数与风向角的关系式,从而建立统一的风速条件概率密度模型;将两者结合起来,即为风向风速的2维连续联合分布模型。

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。

联合概率法在合并相邻台网地震目录中的应用:以2014年鲁甸序列为例

中国目前实行的区域地震台网独立运行机制,使得在相邻不同台网的交界地区可能存在多个版本的地震目录和震相观测报告,影响了地震活动性分析与研究.为此,本文提出了一种基于联合概率的方法,可标明两个或多个相邻台网目录中相同的事件,合并它们的震相数据开展重新定位,并重构不同台网交界地区的统一地震目录.该方法的思路与分析步骤是:首先,计算获得不同台网之间具有最小发震时刻差异的两两地震的时空强差异分布,查找并剔除独立地震,计算事件合并的联合概率;其次,基于联合概率分析合并不同台网的地震目录和震相观测报告,对合并事件进行重新定位和定位误差分析,并基于G-R关系检验重构目录的完整性.本文以2014年鲁甸地震序列为例的初步应用结果显示,震相合并之后的地震定位精度相比之前单个台网的结果,特别是相比四川台网的目录,定位精度提高非常显著,合并后的目录与之前相对完整的云南目录接近,但相比由两个台网目录简单拼凑而成的目录更加准确.此外,研究还发现在目录合并过程中,对于4级以上的中强震,应选择MS而不是以ML震级标度;震相合并后被复用台站记录的到时信息可用于检测不同台网间的震相拾取是否存在系统偏差.本文提出的方法使得在相邻不同台网的过渡区形成一个统一且尽可能准确可靠的地震目录成为可能.

改进的联合概率数据关联算法(JPDA)对红外目标与诱饵的辨别

红外诱饵干扰作为常见的影响红外跟踪能力的干扰手段发展的越来越先进,如何有效的排除红外诱饵的干扰一直是红外目标跟踪的难题。文中在研究了红外目标与诱饵干扰的特征差异的基础上,首次提出了将多目标跟踪策略应用于红外抗干扰跟踪中,建立了一种可以融合多个特征的改进型联合概率数据关联(JPDA)的数据关联算法。最后,利用该算法对抗干扰过程进行了仿真,仿真结果表明:与现有的抗干扰手段相比,该数据关联方法对解决红外干扰形成的假目标、目标遮挡等红外目标识别的难题,不仅实时性好,而且准确率高。

联合概率密度脊提取的影像镶嵌色彩一致性处理方法

针对大区域待镶嵌遥感影像之间存在亮度分布和对比度不一致的问题,提出一种联合概率密度脊提取的色彩一致性处理方法。统计两景影像重叠区域对应波段亮度值的联合概率密度,并从中提取通过"脊"的直线作为回归方程,对输入影像进行处理,使得影像间具有类似的对比度和亮度分布。选取TM数据进行了试验,结果表明:镶嵌结果色彩均匀、视觉特征良好,与传统方法相比具有较好的稳定性和统计特征。

一种改进的联合概率数据关联算法

联合概率数据关联算法(JPDA)是密集杂波环境下一种有效的多目标跟踪算法,但该算法的复杂度会随着目标和观测值的增加而显著增长。为了减少JPDA算法所需要的存贮空间和计算时间,提出了一种改进的联合概率数据关联算法(I-JPDA)。首先通过合理选取跟踪门门限的阈值,去除小概率事件,然后再根据跟踪门内目标的关联概率对关联事件的概率密度值进行衰减,计算出跟踪门内各目标的关联概率。经过理论分析和仿真试验,证明了该方法在保证跟踪成功率的同时,还具有算法简单、计算量小和易于工程实现等优点。

几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。

联合概率数据关联中双门限跟踪算法研究

基于拟方向的基本思想 ,提出了一种方向跟踪门 ,并给出了此方向跟踪门的具体构造方法。将椭圆跟踪门和方向跟踪门相结合 ,获得了基于双门限的跟踪算法 ,以此来减少可行联合事件的个数 ,达到降低联合概率数据关联计算量的目的。对此跟踪方法进行了仿真研究 ,给出了仿真结果 ,并对如何减少可行联合事件的个数进行了实例验算。